典型文献
增强神经网络算法构建混合模型的建筑能耗短期预测
文献摘要：
随着智能电网进一步普及以及分布式电源种类与数量增多,建筑能耗数据具有更大的非线性与非平稳特征,单一预测模型无法满足其精度要求.文章提出一种新型混合模型,利用去噪自编码器(DenoisingAutoEncode,DAE)在不丢失数据特征的基础上,对波动性较大的大量数据降维简化;本次实验对AdaBoost算法进行改进,优化迭代过程;利用改良后的AdaBoost算法优化BP神经网络的权值与阈值完成对建筑能耗的预测;应用AE-AdaBoost-BP混合模型对上海某大型建筑能耗进行短期预测,结果显示该混合模型可以获得更加精确的预测结果.
文献关键词：
深度学习;增强神经网络优化模型;建筑能耗;短期预测
中图分类号：
作者姓名：
王珏
作者机构：
上海电力大学 电子与信息工程学院,上海 200000
文献出处：
引用格式：
[1]王珏-.增强神经网络算法构建混合模型的建筑能耗短期预测)[J].科技创新与应用,2022(10):21-24
A类：
DenoisingAutoEncode,增强神经网络优化模型
B类：
神经网络算法,混合模型,建筑能耗,短期预测,智能电网,分布式电源,能耗数据,非平稳,平稳特征,精度要求,用去,去噪自编码器,DAE,数据特征,波动性,数据降维,AdaBoost,优化迭代,算法优化,权值与阈值,值完,大型建筑
AB值：
0.319364
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
